Machine learning para a definição de domínios geológicos | Treinamento
Vá para conceitos e práticas de machine learning na definição de domínios para a modelagem de recursos minerais.
Objectivo
A definição de domínios é uma dos primeiras etapas na modelagem de recursos minerais, e uma das mais importantes em todo o workflow de estimativa. A definição inadequada de domínios geológicos pode levar à mistura de populações, causando inconsistências na estimativa de teores e tonelagens. Este curso permite aos participantes adquirir conhecimentos em machine learning e algumas de suas aplicações na modelagem de recursos minerais, especialmente em casos multivariados. São abordados métodos estatísticos tradicionais e técnicas multivariadas para a definição de domínios.
Principais caracteristicas
- Metade do curso é dedicado a apresentações metodológicas e a segunda metade é destinada a exercícios práticos para a compreensão e fixação dos conceitos. O foco está nas ilustrações e na contribuição prática dos conceitos abordados.
- Exercícios práticos com Isatis.neo Mining Edition.
- No curso é fornecido o material didático e a licença temporária do software.
Quem deve participar
Este curso é destinado a geólogos, engenheiros e gestores que desejam adquirir conhecimento teórico e prático sobre machine learning e suas aplicações na definição de domínios para modelagem.
Conhecimentos básicos em Python são desejáveis, mas não necessários, já que o curso contempla uma introdução/revisão à essa linguagem.
Conteúdo do curso
- DIA 1 (SESSÕES ONLINE 1 E 2)
– Revisão de técnicas de análise exploratória de dados,
– Introdução ao machine learning e suas aplicações nas geociências,
– Introdução/revisão de conceitos de programação em Python e introdução ao uso de Jupyter Notebooks. - DIAS 2 E 3 (SESSÕES ONLINE 3, 4, 5 E 6)
– Introdução às técnicas de cluster analysis: teoria e prática,
– Cluster analysis tradicional usando Python,
– Cluster analysis de dados espaciais utilizando o Isatis.neo Mining
Pré-requisitos
É recomendável que os participantes tenham conhecimentos em estatística, geoestatística básica e modelagem geológica.
Conhecimentos básicos em linguagem Python são desejáveis.